本文闡述了當前精準醫(yī)療的臨床治療效果以及在此次新型冠狀病毒疫情中的貢獻,，并從縱向隊列研究、人工智能,、常規(guī)臨床基因組學、表型組學和環(huán)境等多個方面對未來十年精準醫(yī)療的前景進行了展望,。

精準醫(yī)療是一種將個人基因,、環(huán)境與生活習慣差異考慮在內的疾病預防與處理的新方法，首要目標是癌癥的治療,，長期目標是創(chuàng)建個體化參與,、數據共享和隱私保護的醫(yī)學科學新模型,。2021年3月18日，一篇名為“Precision medicine in 2030—seven ways to transform healthcare”的評論文章于著名期刊《Cell》上發(fā)表,，作者對未來十年精準醫(yī)療的發(fā)展途徑進行了預測和展望,。

自2003年人類首次完成基因測序起,，醫(yī)療領域的數據驅動型變革就已拉開帷幕,。新分子和表型的研究將帶來更精確的診斷、更合理的治療以及更有效的疾病預防,。2011年,，美國國家研究委員會（National ResearchCouncil）基于精準醫(yī)療概念提出了“人類疾病新分類法”的主張。今日,，醫(yī)療數據已被廣泛應用于常規(guī)研究,。特別在此次新冠疫情的爆發(fā)之時，基因組學和分子生物學技術起到了關鍵作用,。在應對疫情的過程中,，大量的病例報告暴露出種族的健康差異，強調了影響健康的社會因素,；醫(yī)療大數據的相關組織匯集了龐大的數據庫對風險因素進行快速調查,，這證明了聯合醫(yī)療數據的強大功能；匯集現有研究群體的數據進行快速基因組研究確定了與疾病易感性和患者預后相關的基因位點,，使治療更具有針對性,。面對這次疫情爆發(fā)，許多要素都是基礎精準醫(yī)療的基礎能力,，這突顯了人們對精準治療的迫切需求,。

龐大的縱向隊列研究

在過去的二十年中，“UK Biobank”、“theMillion Veteran Program”,、“FinnGen”和“All ofUs”等國際隊列研究計劃通過對基因組、實驗室,、生活方式的評估以及對健康結果的縱向隨訪,，積累了大量人口數據，這些數據的深度和廣度令人震驚,。為了最大程度發(fā)揮這些資源的作用,，一種名為“開放科學”的方法逐漸浮現。例如,，UK Biobank已向來自80個國家的19,000多名“善意研究者”敞開了大門,，研究者在首次登錄的兩個小時后即可使用“All of Us”研究計劃的數據云。他們下一步很明確：使研究人員更輕松地合并來自多個隊列的數據。

多樣性和包容性

當今生物醫(yī)學企業(yè)面臨的最大挑戰(zhàn)之一就是研究對象多樣性的缺乏,。在已發(fā)表的全基因組關聯研究（GWAS）中,，只有不到3％的參與者來自非洲、西班牙或拉丁美洲的研究機構,，而86％的臨床試驗參與者是白人,。多樣性的缺乏可能會加劇差距差異帶來的風險，同時也會使生物學研究成果無法得到廣泛應用,。隨著數據深度的增加,，我們能采用更明確的方法調整針對不同種族研究方法，這將提供更合理的,、基于病因的調整,，并產生更好的風險分層和治療方法。除了增加研究對象的多樣性,，生物醫(yī)學研究人員的多樣性也應受到重視,，多樣化的研究者可能會提出針對不同受眾的問題，這有助于提供更好的研究策略,。

大數據和人工智能

大數據和人工智能（AI）可解決許多難題,，大量的生物醫(yī)學數據也可以滿足大數據的“ 5 V’s”標準，即大容量（voluminous）,、高效（high velocity）,、多變（manyvarieties）、顯著可變性（significant variability）以及內在價值（intrinsic value）,。在未來,，臨床數據（包括圖像、敘述和實時監(jiān)控數據）,、分子生物學技術（包括基因組學原理）以及高分辨率可穿戴設備可用性數據流的增長,，將大大擴展先前無法獲得的表型數據，提高環(huán)境數據的可用性,。同時,，機器學習方法的應用也可能通過基因組、表型和環(huán)境預測因子發(fā)現新的疾病分類,。

常規(guī)臨床基因組學

目前,，臨床基因組分析通常僅用于評估癌癥或罕見遺傳疾病，且許多常用的檢測僅評估少數遺傳基因位點,。在未來,，全基因組方法將成為了解、預防,、發(fā)現和治療常見和罕見疾病的常規(guī)早期步驟,。對于罕見病來說，基因組研究是一種更便宜有效的診斷方法,。早期的基因組測序可以解決診斷難題,，并發(fā)現“隱藏”的單基因遺傳病，例如無法解釋的腎臟疾病,、非典型糖尿病或發(fā)育延遲等,。此外，人們在過去的十年還發(fā)現,，許多常見?。ㄈ缣悄虿』蚋哐獕海┛赡芘c成千上萬個基因位點的遺傳風險有關，雖然許多基因位點可能具有非常小的遺傳效應,，但它們指出了涉及疾病發(fā)病機制的途徑,，可能具有重要的治療意義。隨著基因組學知識的增加,，有效基因的數量和受影響人群的比例將顯著增加,。

電子病歷

任何縱向隊列研究的關鍵是詳細的表型、暴露和健康結果評估,。目前許多隊列研究都在使用電子病歷,，與其他健康數據一同提供現有的疾病和治療信息，這些信息可進一步用于研究,，其用途也在逐漸擴大,。

表型組學與環(huán)境

未來十年人們將會看到以各種不同的方式測量臨床表型、暴露和生活方式的研究和臨床應用,。伴隨著可穿戴設備使用的增加,，環(huán)境相關的數據將變得更易獲得。此外,，多項臨床測量的活動監(jiān)測儀(如單導心電圖和氧飽和度)也將變得方便快捷,，且易于共享數據。由于患者生命的絕大部分時間是在醫(yī)療保健系統之外度過的,，將可穿戴設備和其他患者提供的信息集成起來將增強電子病歷及遠程醫(yī)療的能力,，這也在COVID-19疫情期間得到首次大規(guī)模體驗。這些工具的整合可能產生一種變化,，即大多數與健康有關的數據將來自于醫(yī)療保健環(huán)境之外,。

隱私、信任與價值回報

精準醫(yī)療的應用依賴于廣泛的參與,，而大量人口的廣泛參與需要信任,、隱私保護和對參與者的價值回報。我們認識到,，科學并不總是值得信任或平等地尊重所有參與者,。透明度、與社區(qū)的真實接觸以及在研究治理中包括參與者可以提高信任、創(chuàng)建參與者倡導者,，并確保一個更周到,、更具有文化敏感性的方向。同時,，參與者也需要相信數據的安全性和隱私性,，因此，與參與者進行清晰而誠實的溝通對于建立信任至關重要,。

精準醫(yī)療技術的誕生已促進了醫(yī)療變革，目前基于基因組研究的新藥也得到開發(fā),。在新冠病毒肆虐的今天,，科學已成為解決這一威脅的答案。然而,，醫(yī)學進步的好處仍并未惠及所有人,。在未來十年內，生物醫(yī)學方法,、計算機算法和高分辨率數據的可用性將顯著增加,，上述計劃的實施也將實現面向全部人群的精準醫(yī)學的愿景。

教授介紹

Joshua C. Denny,，生物信息學和醫(yī)學教授，美國數據和研究中心的首席研究員,，美國國立衛(wèi)生研究院（NIH）“All of Us”研究項目的首席執(zhí)行官,，致力于推進精準醫(yī)療以改善患者護理。在加入NIH之前,，Joshua是范德比爾特大學醫(yī)學中心(Vanderbilt UniversityMedical Center)的生物信息學和醫(yī)學教授,、精準醫(yī)學中心(Center for Precision Medicine)主任和個性化醫(yī)學副總裁。在VUMC,，他既是一名實習內科醫(yī)生也是研究人員,。作為表型相關性研究(PheWAS)和表型風險評分研究的領導者，他的研究包括了使用電子病例(EHRs)和基因組學更好地了解疾病和藥物反應,。同時,，他還領導了精準醫(yī)療的實施，以改善患者的治療結果,。

參考文獻

Denny JC, Collins FS. Precision medicine in2030-seven ways to transform healthcare. Cell. 2021 Mar 18;184(6):1415-1419.doi: 10.1016/j.cell.2021.01.015.